京公网安备 11010802034615号
经营许可证编号:京B2-20210330
继腾讯、百度和新浪之后,基金公司也开始与阿里合作开发指数,并计划将相应的公募基金推向市场。
中证指数有限公司此前宣布,于2015年1月21日正式发布中证淘金大数据100指数。该指数由博时基金管理有限公司定制开发,成为首条使用蚂蚁金服旗下金融信息服务平台提供的交易型趋势统计数据的指数。“指数发布后,相应的产品可能要到春节后才可能发行。”博时基金内部人士对《中国经营报》记者透露。
作为该指数的开发公司,上海恒生聚源数据服务有限公司(以下简称“恒生聚源”)总经理金德玮透露,经过一段保护期后,其他基金公司也可以使用该指数。此外,恒生聚源还计划推出聚淘系列指数化投资品种,即通过对蚂蚁金服旗下支付宝金融信息服务平台所提供的某些消费品细分行业电商消费统计数据进行深入挖掘,转化成相应的指数化投资产品,一些公募和私募基金都对这些产品表示出了兴趣。
电商数据变身指基
根据中证指数有限公司的公告,中证淘金大数据100 指数以电商商品类目相关中证三级行业的所有股票为样本空间,从中根据综合财务因子、市场驱动因子、聚源电商大数据因子选取综合评分最高的 100 名作为样本股,并采用等权重计算。其中,聚源电商大数据因子依据恒生聚源数据服务有限公司根据上述交易统计数据加工得到的行业投研指标计算。
历史模拟数据显示,2010 年以来,中证淘金大数据100指数的年化收益率为36.7% ,年化波动率24.3% ,同期沪深300指数的年化收益率和波动率分别为-2.1%和21.5% 。
“这个指数可以供投资者跟踪大消费类行业股票。”金德玮说,最初博时基金找到阿里谈合作,此后阿里将电商大数据提供给恒生聚源,恒生聚源对相关数据进行脱敏处理(不能让市场还原出原始数据和原始数据的特性),随后加工成对应的一系列电商数据因子,能够表征这些行业销量、行业集中度、商品价格的变化趋势等等。中证指数公司在此间作为通道,进行指数发布。
在金德玮看来,该指数对大消费行业具有较高参考价值。他解释说,自2010年以后,电商行业的发展如火如荼,电商销量在社会消费品零售总额里面的比重快速提高。电商既然占到这么大比重,那它足以表征所对应行业、商品的变化趋势。随着占有率越来越高,这个表征性也越来越好。
“阿里提供的数据转化为指数产品应该还是具有很高的参考价值,因为数据样本够新、够全。”普华永道一位不愿具名的分析人士表示。
金德玮说,和国家统计局的社会消费品零售总额相比,该指数表征性更好。因为国家统计局的数据是基于抽样样本的统计而来,而恒生聚源是根据全数据样本的统计分析而来。
掘金大数据基金
据统计,目前已有腾讯、百度、新浪三家互联网大佬与专业机构或基金公司合作开发了指数,并且建立在这些指数上的公募指数型基金已经或正在推向市场。
2014年9月17日,百度与广发基金合作的“广发中证百度百发策略100指数基金”正式获批,并于10月底发行。这是首只真正意义上跟踪具有互联网基因的指数的指数型基金产品。此外,腾讯与济安金信科技有限公司早前也合作开发了“中证腾安价值100指数”,该指数已于去年3月份开发成立了一只公募基金——“银河定投宝中证腾安价值100”。新浪则与南方基金合作开发了大数据100指数、大数据300指数,这两个指数预计日后也会开发形成公募指数型基金。
其中,从数据上来看,已发行的大数据指数基金表现尚可。“银河定投宝中证腾安价值100”基金到2015年2月4日的净值为1.4270元,在不到一年的时间里,上涨了42.7%。“广发中证百度百发策略100指数基金”成立于2014年10月30日,截至2月4日的净值为1.205元,上涨20.5%。
众禄基金研究中心廖帅表示,现在是互联网时代、大数据时代,充分挖掘互联网的海量数据来辅助构建指数以及在此基础上开发指数基金,是对完善当前指数体系以及指数基金体系的一个非常有益的尝试。互联网的龙头企业有着海量数据和非常强的数据挖掘能力,相信未来基于大数据的指数以及指数基金有机会得到更多、更深入的发展,而这,可以使基民在投资指数基金时有更多元的选择。
值得注意的是,大数据基金除了可作为指数型基金这样的被动投资产品,也有成为主动型产品的趋势。
天弘基金日前公布,天弘云端生活优选灵活配置混合型基金获批,为业内首只将大数据技术引入投研的主动管理产品。该基金将通过天弘基金数据研究平台,将大数据技术引入投研模型。
济安金信也在近日宣布与国金通用基金再次合作,推出国金通用——济安通宝1号。在基于研发中证腾安价值100指数的技术模型和系统上,进行调仓频率、权重配置等方面的策略调整和优化升级,设立风险对冲机制和0.85的止损线,从“指数化被动投资策略”升级到“基于指数化和量化交易的主动投资策略”。
本文来源:中国经营报
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21